There's quite a bit going on in thi

There's quite a bit going on in this equation, so let's unpack it piece by piece. aa is the vector of activations of the second layer of neurons. To obtain a′a′ we multiply aa by the weight matrix ww, and add the vector bb of biases. We then apply the function σσelementwise to every entry in the vector wa+bwa+b. (This is calledvectorizing the function σσ.) It's easy to verify that Equation (22)gives the same result as our earlier rule, Equation (4), for computing the output of a sigmoid neuron.
Exercise
• Write out Equation (22) in component form, and verify that it gives the same result as the rule (4) for computing the output of a sigmoid neuron.
With all this in mind, it's easy to write code computing the output from a Network instance. We begin by defining the sigmoid function:

ผลลัพธ์ (ไทย) 1:

มีไม่น้อยที่เกิดขึ้นในสมการนี้ ดังนั้นลองแกะมันชิ้น aa คือ เวกเตอร์ของการเปิดใช้งานของชั้นที่สองของเซลล์ประสาท การขอรับ a′a′ เราคูณ aa ww เมตริกซ์ของน้ำหนัก และเพิ่ม bb เวกเตอร์ของอคติ เราจากนั้นให้ใช้การ σσelementwise ฟังก์ชันรายการทุกรายการในเวกเตอร์ wa + bwa b. (ซึ่งเป็น calledvectorizing σσฟังก์ชัน) มันง่ายที่จะตรวจสอบว่า สมการ (22) ให้ผลลัพธ์เดียวกันกฎของเราก่อนหน้านี้ สมการ (4), ประมวลผลผลลัพธ์ของเซลล์ประสาท sigmoidออกกำลังกาย•เขียนออกสมการ (22) ในรูปแบบส่วนประกอบ และตรวจสอบว่า จะให้ผลลัพธ์เดียวกันกฎ (4) สำหรับการประมวลผลผลลัพธ์ของเซลล์ประสาท sigmoidทั้งหมดนี้ในใจ ได้ง่าย ๆ การเขียนโค้ดออกจากอินสแตนซ์ที่เครือข่ายคอมพิวเตอร์ เราเริ่มต้น ด้วยการกำหนดฟังก์ชัน sigmoid:

ผลลัพธ์ (ไทย) 2:

มีไม่น้อยที่เกิดขึ้นในสมการนี้จึงขอแกะมันชิ้นโดยชิ้น AA เป็นเวกเตอร์ของการเปิดใช้งานของชั้นที่สองของเซลล์ประสาท ที่จะได้รับเธดเธ 'เราคูณ AA โดย WW น้ำหนักเมทริกซ์และเพิ่ม BB เวกเตอร์ของอคติ จากนั้นเราจะใช้ฟังก์ชั่นσσelementwiseในการเข้าในเวกเตอร์วา + BWA ทุก + B (นี่คือ calledvectorizing σσฟังก์ชั่น.) มันเป็นเรื่องง่ายในการตรวจสอบสมการที่ (22) ให้ผลเช่นเดียวกับการปกครองก่อนหน้านี้ของเราสมการ (4) สำหรับการคำนวณการส่งออกของเซลล์ประสาท sigmoid
การออกกำลังกาย
•เขียนจากสมการ (22) ในรูปแบบองค์ประกอบและตรวจสอบว่ามันจะช่วยให้ผลเช่นเดียวกับการปกครอง (4) สำหรับการคำนวณการส่งออกของเซลล์ประสาท sigmoid
ทั้งหมดนี้ในใจมันง่ายที่จะเขียนรหัสคอมพิวเตอร์ที่ส่งออกจากอินสแตนซ์เครือข่าย เราเริ่มต้นด้วยการกำหนดฟังก์ชั่น sigmoid นี้:

ผลลัพธ์ (ไทย) 3:

มีไม่น้อยไปในสมการนี้ งั้นเอาชิ้นโดยชิ้น AA คือ เวกเตอร์ของกิจกรรมของชั้นที่สองของเซลล์ประสาท ได้รับการดูแลเป็น AA โดยน้ำหนักนั้นเราคูณเมทริกซ์ WW และเพิ่มเวกเตอร์ BB ของ biases เราใช้ฟังก์ชันσσ elementwise ทุกๆรายการในเวกเตอร์วา + สร้างสรรค์ + B . ( นี้เป็น calledvectorizing ฟังก์ชันσσ ) มันง่ายที่จะตรวจสอบว่าสมการ ( 22 ) ให้ผลลัพธ์เดียวกัน เป็นกฎของเราก่อนหน้านี้ สมการ ( 4 ) ด้านผลผลิตของ เซลล์ประสาท ลักษณะเป็นแบบออกกําลังกาย- เขียนสมการ ( 22 ) ในส่วนของรูปแบบ และตรวจสอบว่า มันให้ผลเช่นเดียวกับข้อ ( 4 ) ด้านผลผลิตของ เซลล์ประสาท ลักษณะเป็นแบบด้วยทั้งหมดนี้ในใจ มันง่ายที่จะเขียนโค้ดคำนวณผลผลิตจากเครือข่ายเช่น เราเริ่มต้นโดยการกำหนดฟังก์ชันซิกมอยด์ :